20.500.12556/RUP-23204 Graphlet-based edge weighting for improved community detection in complex networks Community detection reveals the functional organization of complex networks. Unlike edge-based methods, graphlet-based approaches use higher-order structures, but most studies focus on common motifs or lack validation on networks with known communities. We evaluate eight small motifs on synthetic and real-world networks and propose a framework that weights node pairs by their graphlet co-occurrence while preserving original edges. This captures both direct connections and local topology, improving community detection. Our results show that graphlet-based weighting consistently enhances performance, but no single motif is best for all networks. Simpler motifs can perform as well as dense cliques, suggesting that relying only on cliques may miss important connectivity patterns. Odkrivanje skupnosti razkriva funkcionalno organizacijo kompleksnih omrežij. Za razliko od metod, ki temeljijo na povezavah, pristopi z grafleti uporabljajo višjeredne strukture, vendar se večina raziskav osredotoča na običajne motive ali pa jih ne preverja na omrežjih z znanimi skupnostmi. Ovrednotili smo osem majhnih motivov na sintetičnih in resničnih omrežjih ter predlagali okvir, ki uteži pare vozlišč glede na njuno skupno pojavljanje v grafletih, pri tem pa ohranja izvirne povezave. Tako zajame neposredne povezave in lokalno topologijo ter izboljša odkrivanje skupnosti. Rezultati kažejo, da uteževanje z grafleti dosledno izboljša uspešnost, vendar noben motiv ni najboljši za vsa omrežja. Tudi preprostejši motivi lahko dosežejo primerljivo uspešnost kot goste klike, kar kaže, da lahko zanašanje zgolj na klike spregleda pomembne vzorce povezljivosti. community network graphlets small-motif skupnost omrežja grafleti majhni motivi true false true Angleški jezik Slovenski jezik Članek v reviji 2026-07-01 16:52:04 2026-07-01 16:52:08 2026-07-02 03:06:22 0000-00-00 00:00:00 2026 0 0 str. 1-24 iss. Vol. 2026 0000-00-00 PostprintKoncna NiDoloceno NiDoloceno 0000-00-00 0000-00-00 2026-07-01 004 0925-9902 10.1007/s10844-026-01073-4 283297539 RAZ_Anastasiia_Dziuba_2026.pdf RAZ_Anastasiia_Dziuba_2026.pdf 1 F489059387B3816AB9D98C2D37C254F4 61ba43064f0d6c4ad654f153c34ea71754afe5394e595abcc3e77a5acef591c1 5df8770d-755c-11f1-9e8d-005056ac49c0 https://repozitorij.upr.si/Dokument.php?lang=slv&id=33935 https://link.springer.com/article/10.1007/s10844-026-01073-4 1 44732ec3-755c-11f1-9e8d-005056ac49c0 https://repozitorij.upr.si/Dokument.php?lang=slv&id=33934 Inštitut Andrej Marušič 0 0 0